3. UYGULAMA
3.3 Model İçin Kullanılacak Veri Setinin Oluşturulması ve Değişkenlerin
Modelin kurulmasında kullanılacak olan veriler ilgili finansal kuruluşun 2014 yılının ilk 6 ayında zirai segmentte yer alan çiftçi müşterilere kullandırmış olduğu zirai kredileri kapsamaktadır. Söz konusu bu kredilerin 2017/Eylül ayı itibariyle olan performansları dikkate alınmış ve ilgili tarih itibarı ile temerrüde düşme ya da düşmeme durumlarına bakılarak takip ve seyyal kredi sınıflandırması yapılmıştır.
Temerrüt tanımı, BDDK tarafından yayımlanmış olan “Bankalarca Kredilerin ve Diğer Alacakların Niteliklerinin Belirlenmesi ve Bunlar İçin Ayrılacak Karşılıklara İlişkin Usul ve Esaslar Hakkında Yönetmelik” çerçevesinde yapılmış olup, anapara ve faiz ödemeleri 90 günden fazla süredir ödenmediği için yasal takip hesaplarına intikal ettirilmiş krediler “takip” niteliğindeki krediler olarak adlandırılmıştır. 90 gün üzerinde gecikmesi olmayan, standart nitelikli krediler ise “seyyal” olarak değerlendirilmiştir.
Analizde 3.126 adet müşteriye ait kredi verisi kullanılacak olup, ilgili verilerin 2.329 adedi seyyal, 797 adedi takip niteliğindeki kredilerden oluşmaktadır. Kredi riski takip hesaplarına intikal eden müşteriler toplam müşteri adedinin %25,50’sini oluşturmaktadır.
27
Tablo 3.7: Veri setinde yer alan takip/seyyal kredi dağılımı
Kredi Durumu Adet %
Seyyal 2.329 74,50
Takip 797 25,50
TOPLAM 3.126 100,00
Modelin kurulmasında 1 adet bağımlı değişken, 15 adet bağımsız değişken kullanılmıştır. Bağımlı değişken müşterinin kredi durumu, yani seyyal veya takip kodunda olmasıdır. Kullanılacak toplam 15 adet bağımsız değişkenin ise 13 adedi kategorik, 2 adedi ise sürekli değişkendir. Kategorik değişkenler; medeni durum, eğitim düzeyi, ikamet edilen evin mülkiyet durumu, bakmakla yükümlü olunan kişi sayısı, müşteri ile kredili çalışma süresi, tarım / hayvancılık sigortası durumu, işletme kredi kartının mevcut borç toplamının yıllık ciroya oranı, son 12 aylık döneme ait karşılıksız çek kaydı, son 12 aylık döneme ait protestolu senet kaydı, E-haciz kaydı durumu, KKB kayıtlarında yer alan negatif bireysel kredi kaydı durumu, KKB skoru ve yaş verisidir.
Kategorik olmayan sürekli değişkenler ise gecikme geçmişi kayıt sayısı ve tarım/
hayvancılık faaliyet süresine ilişkin verilerdir. Bu iki veri kategorize edilmemiş, gruplandırılmamış ve sürekli değişken olarak analize dahil edilmiştir. Gecikme geçmişi kayıt sayısı, kredili müşterinin vadesinde ödemediği her bir ödeme yükümlülüğü, taksit için bir kayıt oluşturulması ile meydana gelmiş olan değişkendir. Tarım/ hayvancılık faaliyet süresi ise kredili müşterinin kaç yıldır zirai faaliyetini sürdürdüğünü gösteren bir değişken olarak analizde yer almaktadır.
Skorlama modelleri, kullanılan modeldeki değişken sayısı bakımından tek ya da çok boyutlu model özelliği taşıyabilir. Sadece bir verinin bağımsız değişken olarak kullanıldığı tek boyutlu modeller, çok boyutlu modellere kıyasla uygulama kolaylığı açısından daha üstün olmakla beraber tahmin güçü bakımından eleştirilmektedir.(Aktaş,2005) Çok boyutlu modellerde önemli bulunabilen bir oran tek boyutlu modelde önemsiz çıkabilir (Altman, 2000). Literatürde yapılmış olan modeller incelendiğinde de, tek boyutlu modellerin tahmin gücü çok boyutlu modellere göre daha zayıf olarak belirlenmiştir.
Modelin tahmin gücünü artırmak için finansal verilerin yanı sıra finansal olmayan veriler de değişken olarak modele dahil edilmiştir. Yapılan çalışmalar yalnızca finansal
28
veriler ile yapılan tahminlerin daha zayıf olduğunu, finansal olmayan veriler dahil edildiğinde modelin tahmin gücünün arttığını göstermektedir. (Grunet vd., 2008)
Kategorik bağımsız değişkenlerin, değişken düzeyleri ve kodları Tablo 3.8’de belirtilmiştir.
Tablo 3.8: Kategorik değişkenlerin değişken düzeyi ve kodları
Değişkenler Değişken Düzeyleri
Medeni Durum Kukla Değişken; Bekar/ Dul/ Boşanmış ise 0, Evli ise 1 değerini alır.
Eğitim Düzeyi
Kukla Değişken; Eğitimsiz/ İlkokul/ Ortaokul ise 0, Lise/ Yüksekokul/ Üniversite ise 1 değerini
alır.
İkamet Edilen Evin Mülkiyet Durumu
Kukla Değişken; Kendisine/ Aile Bireylerine Ait ise 0, Kira ise 1 değerini alır.
Bakmakla Yükümlü Olunan
Kişi Sayısı Kukla Değişken; 0 – 2 ise 0, 3+ ise 1 değerini alır.
Müşteri İle Kredili Çalışma Süresi
Kukla Değişken; 0-12 ay ise 0, 13+ ise 1 değerini alır.
Tarım/Hayvan Sigortası Var mı?
Kukla Değişken; Evet ise 0, Hayır ise 1 değerini alır.
İşletme Kredi Kartı Mevcut Borç Toplamının Yıllık
Ciroya Oranı
Kukla Değişken; %11 ve fazlası ise 0, %0 - %10 arası ise 1 değerini alır.
Son 12 Aylık Döneme Ait Karşılıksız Çek Kaydı
Kukla Değişken; Yok ise 0, Var ise 1 değerini alır.
Son 12 Aylık Döneme Ait Protestolu Senet Kaydı
Kukla Değişken; Yok ise 0, Var ise 1 değerini alır.
E-haciz Kaydı Var mı? Kukla Değişken; Hayır ise 0, Evet ise 1 değerini alır.
KKB Kayıtlarında Negatif Bireysel Kredi Kaydı Var
mı?
Kukla Değişken; Hayır ise 0, Evet ise 1 değerini alır.
KKB Skor Notu Kukla Değişken; 0 -1158 ise 0, 1159< ise 1 değerini alır.
Yaş Kukla Değişken; 25 yaş altı ise 0, 26-40 ise 1, 41-59 ise 2, 60 yaş üstü 3 değerini alır.
Literatürde yer alan çalışmalar incelendiğinde; modelde kullanılan bağımsız değişkelerden, medeni durum, eğitim düzeyi, ikamet edilen evin mülkiyet durumu, bakmakla yükümlü olunan kişi sayısı, müşteri ile kredili çalışma süresi, KKB skor notu, KKB’deki negatif kredi kaydı bilgisi ve yaş verilerinin ilgili birçok çalışmada da
29
bağımsız değişken olarak kullanıldığı, söz konusu bu bağımsız değişkenlerin anlamlı olduğu ve bağımlı değişkeni açıklamaya katkı sağladığı görülmüştür.
İşletme kredi kartı mevcut borç toplamının yıllık ciroya oranı, son 12 aylık döneme ait karşılıksız çek/senet kaydı, e-haciz kaydı, tarım/hayvan sigortası bulunup bulunmadığı verileri ise daha önce yapılan çalışmalarda kullanılmamıştır.
Medeni Durum
Örneklem içerisinde yer alan müşterilerin medeni durumu iki ayrı kategoriye ayrılmıştır. Medeni durumu bekar, dul ve boşanmış olanlar aynı kategori içerisinde yer almaktadır. Aşağıda yer alan tablo incelendiğinde evli olanların, bekar/ dul/ boşanmış olanlara göre takibe intikal etme oranlarının daha düşük olduğu görülmektedir.
Tablo 3.9: Medeni durum frekans tablosu
Medeni Durum Toplam Kredi Adedi
Toplam İçindeki Payı%
Seyyal
Seyyal İçindeki
Payı%
Takip
Takip İçindeki
Payı%
Takibe İntikal Oranı%
Bekar/
Dul/Boşanmış 1.748 55,92 1.226 52,64 522 65,50 29,86
Evli 1.378 44,08 1.103 47,36 275 34,50 19,96
TOPLAM 3.126 100,00 2.329 100,00 797 100,00 25,50
Medeni durum bilgisi ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için medeni durum bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.10: Medeni Durum İçinAnlamlılık Testi
Kolmogorov-Smirnov
Statistic df Sig.
Medeni_Durum ,817 3.126 ,001
30 Eğitim Düzeyi
Müşterilerin eğitim durumunu gösteren bağımsız değişkendir. Eğitim düzeyi
“Eğitimsiz”, “İlkokul”, ve “Ortaokul” olanlar aynı kategoride, “Lise” ve “Yüksekokul/
Üniversite” olanlar aynı kategoride sınıflandırılmıştır. Eğitim düzeyi daha iyi olan müşterilerin temerrüde düşme oranlarının daha düşük olması beklendiği için analize dahil edilmiştir. Eğitim düzeyi ayrımına göre takibe intikal oranları incelendiğinde lise/
yüksek okul ve üniversite mezunlarının daha düşük bir temerrüt oranına sahip olduğu görülmektedir.
Tablo 3.11: Eğitim durumu frekans tablosu Eğitim Düzeyi Toplam Kredi
Adedi
Toplam İçindeki Payı%
Seyyal
Seyyal İçindeki
Payı%
Takip
Takip İçindeki
Payı%
Takibe İntikal Oranı%
Eğitimsiz/İlkokul/
Ortaokul 2.375 75,98 1689 72,52 686 86,07 28,88
Lise/ Yüksekokul/
Üniversite 751 24,02 640 27,42 111 13,93 14,78
TOPLAM 3.126 100,00 2.329 100,00 797 100,00 25,50
Eğitim durumu bilgisi ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için eğitim durumu bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.12: Eğitim Durumu İçin Anlamlılık Testi
Kolmogorov-Smirnov
Statistic df Sig.
Egitim_Duzeyi ,701 3.126 ,000
İkamet Edilen Evin Mülkiyet Durumu
Müşterinin ikamet durumunu gösteren bağımsız değişkendir. İkamet ettiği evi
“kendisine/ aile bireylerine ait” ve “kira” şeklinde iki kategori oluşturulmuştur. İkamet ettiği ev kendisine veya aile bireylerine ait olanlar daha düşük bir oranda temerrüt yaşamakta ve riskleri takibe intikal ettirilmektedir.
31
Tablo 3.13: İkamet edilen evin mülkiyet durumu frekans tablosu İkamet Edilen
İkamet edilen evin mülkiyet durumu bilgisi ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için ikamet edilen evin mülkiyet durum bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.14: İkamet Edilen Evin Mülkiyet Durumu İçin Anlamlılık Testi
Kolmogorov-Smirnov
Statistic df Sig.
İkamet_Edilen_Ev ,195 3.126 ,008 Bakmakla Yükümlü Olunan Kişi Sayısı
Kredi müşterilerinin bakmakla yükümlü oldukları kişi adedini gösteren bir değişkendir.
Tablo incelendiğinde, bakmakla yükümlü olunan kişi sayısı arttıkça kredilerin temerrüt oranlarının da artığı görülebilmektedir. Bu nedenle bakmakla yükümlü olunan kişi sayısı modele değişken olarak dâhil edilmiştir.
Tablo 3.15: Bakmakla yükümlü olunan kişi sayısı frekans tablosu Bakmakla
Bakmakla yükümlü olunan kişi sayısı bilgisi ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için
32
bakmakla yükümlü olunan kişi sayısı bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.16: Bakmakla Yükümlü Olunan Kişi Sayısı İçin Anlamlılık Testi
Kolmogorov-Smirnov
Statistic df Sig.
Bakmakla_Yük._Oln_Kişi ,842 3.126 ,004 Müşteri İle Kredili Çalışma Süresi
Kredili çalışma süresi, müşterinin ne zamandan beri bankanın müşterisi olduğunu gösteren bir veridir. Kredi müşterilerinin banka ile kredili olarak çalışma süresi arttıkça takibe intikal oranının düştüğü, ilk defa kredi kullandırılmış, yeni kazandırılan müşterilerin daha riskli olduğu aşağıda yer alan frekans dağılımında görülmektedir.
Tablo 3.17: Müşteri ile kredili çalışma süresi frekans tablosu
Müşteri ile kredili çalışma süresi bilgisi ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için kredili çalışma süresi bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.18: Müşteri İle Kredili Çalışma Süresi İçin Anlamlılık Testi
Kolmogorov-Smirnov
Statistic df Sig.
Kredili_Çalışma_Süresi ,403 3.126 ,011 Müşteri İle
Kredili Çalışma Süresi
Toplam Kredi Adedi
Toplam İçindeki Payı%
Seyyal
Seyyal İçindeki
Payı%
Takip
Takip İçindeki
Payı%
Takibe İntikal Oranı%
0 - 12 ay 1265 40,47 822 35,29 443 55,58 35,02
13+ 1.861 59,54 1.507 64,71 354 44,42 19,02
TOPLAM 3.126 100,00 2.329 100,00 797 100,00 25,50
33 Tarım/ Hayvan Sigortası Durumu
Kredi müşterilerinin tarım ve/ veya hayvan sigortası yaptırıp yaptırmadığı ile ilgili bilgi içeren değişkendir. Sigorta yaptıranların daha az riskli olduğu, takibe intikal oranının düştüğü, sigorta yaptırmayan müşterilerin takibe gitme olasılığının daha yüksek olduğu anlaşılmaktadır.
Tablo 3.19: Tarım/Hayvan sigortası durumu frekans tablosu Tarım/Hayvan
Sigortası Durumu
Toplam Kredi Adedi
Toplam İçindeki Payı%
Seyyal
Seyyal İçindeki
Payı%
Takip
Takip İçindeki
Payı%
Takibe İntikal Oranı%
Evet 1.895 60,62 1.472 63,20 423 53,07 22,32
Hayır 1.231 39,38 857 36,80 374 46,93 30,38
TOPLAM 3.126 100,00 2.329 100,00 797 100,00 25,50
Tarım/Hayvan sigortası durumu ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için sigorta durum bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.20: Tarım/Hayvan Sigortası Durumu İçin Anlamlılık Testi
Kolmogorov-Smirnov
Statistic df Sig.
Sigorta_Durumu ,189 3.126 ,037
İşletme Kredi Kartı Mevcut Borç Toplamının Yıllık Ciroya Oranı
İşletme kredi kartı, zirai müşteriler için geliştirilmiş bir ürün olup, genel özellikleri kredi kartları ile benzerlik göstermektedir. Ancak ödeme dönemleri aylık değil, hasat dönemine göre yıllık veya 6 aylık olabilmektedir. Çiftçilerin gübre, tohum, yem, mazot vs. ihtiyaları finanse edilerek, dönem sonunda anapara ve faiz ödemesi tahakkuk ettirilmektedir. İşletme kredi kartı borcunun yıllık ciraya oranı zirai müşterinin borçluluk düzeyini gösteren bir veri olduğu için analize dahil edilmiştir. Kart borcunun yıllık ciroya oranı arttıkça, müşterilerin borçluluk oranı artmış olduğu için ödeme performansları olumsuz etkilenmekte, bu nedenle takibe intikal riski artmaktadır.
34
Tablo 3.21: İşletme kredi kartı mevcut borç toplamının yıllık ciroya oranına ait frekans tablosu durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için işletme kredi kartı borç bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.22: İşletme Kredi Kartı Mevcut Borç Toplamının Yıllık Ciroya Oranı İçin Anlamlılık Testi
Kolmogorov-Smirnov
Statistic df Sig.
Borç/Ciro_Oranı ,356 3.126 ,041 Son 12 Aylık Döneme Ait Karşılıksız Çek Kaydı
Zirai müşteriler arasında çek kullanımının çok yaygın olmaması nedeniyle düzeltilmiş veya düzeltilmemiş karşılıksız çek kaydı olan müşteri sayısı ana kütle içerisinde küçük bir paya sahiptir. Ancak ana kütle içerisinde küçük bir paya sahip olmasına rağmen karşılıksız çek kaydı olan müşterilerin daha riskli bir profil oluşturduğu, takibe intikal oranlarının dikkat çekici bir şekilde yükseldiği görülmüştür.
Tablo 3.23: Son 12 aylık döneme ait karşılıksız çek kaydına ait frekans tablosu Son 12 aylık
35
Son 12 aylık döneme ait karşılıksız çek kaydı ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için karşılıksız çek kaydı bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.24: Son 12 Aylık Döneme Ait Karşılıksız Çek Kaydı İçin Anlamlılık Testi
Son 12 Aylık Döneme Ait Protestolu Senet Kaydı
Karşılıksız çek kaydı olan müşterilerde olduğu gibi protestolu senet kaydı olan müşterilerin de protestolu senet kayıt sayısı arttıkça takibe intikal oranlarının yükseldiği görülmüştür.
Tablo 3.25: Son 12 aylık döneme ait protestolu senet kaydına ait frekans tablosu Son 12 aylık
Son 12 aylık döneme ait protestolu senet kaydı ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için protestolu senet kaydı bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.26: Son 12 Aylık Döneme Ait Protestolu Senet Kaydı İçin Anlamlılık Testi
Protestolu_Senet ,241 3.126 ,013
36 E-Haciz Kaydı Var mı?
E-haciz kaydı, kredili müşterilerin geçmişte hacze uğrayan borçlarının olup olmadığına dair bilgi veren bir değişkendir. Müşterilerin ödeme düzenliliği hakkında fikir sahibi olmaya yardımcı olduğu için analize dahil edilmiştir. E-haciz kaydı olan müşterilerin takibe intikal etme olasılığının, kaydı olmayan müşterilere göre daha yüksek olduğu görülmüştür.
Tablo 3.27: E-haciz kaydına ait frekans tablosu E-haciz kaydı var
mı?
Toplam Kredi Adedi
Toplam İçindeki Payı%
Seyyal
Seyyal İçindeki
Payı%
Takip
Takip İçindeki
Payı%
Takibe İntikal Oranı%
Hayır 2.171 69,45 1.692 72,65 479 60,10 22,06
Evet 955 30,55 637 27,35 318 39,90 33,30
TOPLAM 3.126 100,00 2.329 100,00 797 100,00 25,50
E-Haciz kaydı ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için e-haciz kaydı bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.28: E-Haciz Kaydı İçin Anlamlılık Testi
KKB Kayıtlarında Negatif Bireysel Kredi Kaydı Var mı?
Kredi Kayıt Bürosu nezdinde kişilere ait bireysel nitelikli kredilerin (ihtiyaç, konut, taşıt, kredi kartı, kredili mevduat hesabı) kayıtları tutulmaktadır. Bu kayıtlar arasında yasal takibe uğramış negatif nitelikli kredilerin olması müşterinin kötü ödeme performansını gösteren bir değişkendir. KKB kayıtlarında negatif bireysel kredi kaydı olan müşterilerin takibe intikal oranının, kaydı olmayan müşterilere göre belirgin bir şekilde yüksek olduğu görülmüştür. Bu nedenle ilgili değişken analize dahil edilmiştir.
Kolmogorov-Smirnov
Statistic df Sig.
E_Haciz ,496 3.126 ,038
37
Tablo 3.29: KKB kayıtlarındaki negatif bireysel kredi kaydına ait frekans tablosu KKB kayıtlarında
KKB kaydındaki negatif bireysel kredi kaydı ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için negatif bireysel kredi kaydı bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.30: Negatif Bireysel Kredi Kaydı İçin Anlamlılık Testi
KKB Skor Notu
KKB skor notu 0 ile 1900 puan aralığında değişmekte olup, skor puanının yükselmesi müşterinin daha iyi bir kredibiliteye sahip olduğunu göstermektedir. Kredili müşterilerin KKB skor notu düştükçe takibe intikal oranı artmaktadır. Bu nedenle KKB skor notu bağımsız değişken olarak analize dahil edilmiştir.
Tablo 3.31: KKB skor notuna ait frekans tablosu
KKB Skoru Toplam Kredi Adedi
38
KKB skoru ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için KKB skor bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Tablo 3.32: KKB Skoru İçin Anlamlılık Testi
Yaş
Yaş, esasında sürekli bir değişken olmasına rağmen kategorik hale getirildiğinde anlamlılık düzeyinin arttığı görülmüştür. Bu nedenle her bir yaş için seyyal ve takip oranları hesaplanmış, bu oranlar ile en riskli yaş grubu belirlenmiştir. 25 yaş altı ile 60 yaş üstü müşterilerde takibe intikal oranları çok yüksek çıkmıştır.
Tablo 3.33: Yaş bilgisine ait frekans tablosu
Yaş bilgisi ile kredi durumu(seyyal/takip) arasında lojistik regresyon sonucuna göre 0,05 anlamlılık seviyesinde olasılık < 0,05 olduğu için yaş bilgisinin kredi durumunu açıklama konusunda yeterli olduğu söylenebilir.
H0=Değişken anlamsızdır. H1= Değişken anlamlıdır.
Burada H0 hipotezini reddederek yapılacak hata daha küçük olduğu için H0 reddedilir, H1 kabul edilir. Değişken anlamlıdır.
Kolmogorov-Smirnov
Statistic df Sig.
KKB_Skoru ,745 3.126 ,001
Yaş Toplam Kredi Adedi
Toplam İçindeki Payı%
Seyyal
Seyyal İçindeki
Payı%
Takip
Takip İçindeki
Payı%
Takibe İntikal Oranı%
25 yaş altı 243 7,77 157 6,74 86 10,79 35,39
26-40 1.373 43,92 1.093 46,93 280 35,13 20,39
41-59 1049 33,56 777 33,36 272 34,13 25,93
60 yaş üstü 461 14,75 302 12,97 159 19,95 34,49
TOPLAM 3.126 100,00 2.329 100,00 797 100,00 25,50
39 Tablo 3.34: Yaş Bilgisi İçin Anlamlılık Testi
Bir müşteride belli özelliklerin bir arada olması durumunda takip veya seyyal kredi dağılımlarında yığılma yaşanıp yaşanmadığını görmek için analizde kullanılan bazı bağımsız değişkenlerin ikili gösterimleri aşağıdaki tablolarda yer almaktadır.
Tablo 3.35: Eğitim Düzeyi- Medeni Durum Tablosu
Eğitim Düzeyi
Medeni Hal Eğitimsiz/ İlkokul/
Ortaokul
Lise/ Yüksekokul/
Üniversite Toplam
Bekar Dul Boşanmış
Seyyal Adet 1.100 126 1.226
Pay% 89,72 10,28 100,00
Takip Adet 454 68 522
Pay% 86,97 13,03 100,00
Toplam Adet 1.554 194 1.748
Pay% 88,90 11,10 100,00
Evli
Seyyal Adet 589 514 1.103
Pay% 53,40 46,60 100,00
Takip Adet 232 43 275
Pay% 84,36 15,64 100,00
Toplam Adet 821 557 1.378
Pay% 59,58 40,42 100,00
Tablo 3.36: Karşılıksız Çek- Protestolu Senet Tablosu
Karşılıksız Çek Kaydı
Protestolu Senet Kaydı Yok Var Toplam
Yok
Seyyal Adet 1361 56 1417
Pay% 96,05 3,95 100,00
Takip Adet 350 51 401
Pay% 87,28 12,72 100,00
Toplam Adet 1711 107 1818
Pay% 94,11 5,89 100,00
Var
Seyyal Adet 704 208 912
Pay% 77,19 22,81 100,00
Takip Adet 249 147 396
Pay% 62,88 37,12 100,00
Toplam Adet 953 355 1308
Pay% 72,86 27,14 100,00
Kolmogorov-Smirnov
Statistic df Sig.
Yaş ,531 3.126 ,012
40
Tablo 3.37: E-Haciz- Negatif Bireysel Kredi Tablosu
Negatif Nitelikli Bireysel Kredi
E-Haciz Kaydı Yok Var Toplam
Yok
Seyyal Adet 1.395 297 1.692
Pay% 82,45 17,55 100,00
Takip Adet 427 52 479
Pay% 89,14 10,86 100,00
Toplam Adet 1.822 349 2.171
Pay% 83,92 16,08 100,00
Var
Seyyal Adet 479 158 637
Pay% 75,20 24,80 100,00
Takip Adet 56 262 318
Pay% 17,61 82,39% 100,00
Toplam Adet 535 420 955
Pay% 56,02 43,98 100,00